LlamaIndex 的混合检索机制是如何工作的？

1. 混合检索原理

混合检索（Hybrid Search）结合了两种检索方法的优势：

• 稠密向量检索：基于语义相似度，能够识别同义词和概念相关的查询，但在精确术语匹配上可能表现不佳。
• 稀疏关键词检索（BM25）：基于词频和文档频率的经典信息检索算法，在精确术语匹配上表现优异，但无法理解语义改写。

混合检索通过相对分数融合（Relative Score Fusion）算法，将两种检索方法的结果合并为统一的排序列表。

2. Alpha 参数

LlamaIndex 通过 alpha 参数控制两种检索方法的权重：

• alpha = 0：纯 BM25 关键词检索。
• alpha = 1：纯向量语义检索。
• 0 到 1 之间：两者加权融合。

3. 参数调优建议

alpha 值的选择取决于查询类型和语料特征：

• 如果查询多为概念性问题（如"我们的事故处理流程是怎样的？"），较高的 alpha（0.65～0.75）更偏向语义匹配。
• 如果查询多为精确术语查找（如"GDPR 第 17 条核查清单""重试策略死信队列阈值"），较低的 alpha（0.35～0.5）给关键词匹配更高权重。
• 如果没有明确偏好，从 0.5 开始并根据实际评估结果调优。

4. 支持的向量存储

混合检索依赖向量存储同时支持 BM25 和向量索引。Postgres（pgvector）、Pinecone、Weaviate 等向量存储原生支持混合检索。对于不支持混合检索的向量存储，可以通过组合两个独立的检索器（一个向量检索器、一个 BM25 检索器）并使用 HybridRetriever 实现。